目　錄
前　言
基　礎　篇
第1章　概述：數據運營基礎 002
1.1　大數據時代 002
1.2　企業數據應用方式 004
1.3　數據運營的崗位職責 007
1.4　數據運營應掌握的技能 009
1.5　本章小結 013
第2章　業務：數據驅動運營 014
2.1　如何用數據驅動運營 014
2.1.1　定義數據分析目標 014
2.1.2　目標分解與聚焦 016
2.1.3　數據運營重點 019
2.2　流量運營分析 021
2.2.1　流量運營規劃 021
2.2.2　流量分析 023
2.2.3　解讀PV、UV 027
2.2.4　跳齣率分析 029
2.2.5　漏鬥圖分析 030
2.2.6　A/B測試 032
2.3　用戶運營分析 033
2.3.1　用戶分群 034
2.3.2　用戶行為分析 040
2.3.3　用戶生命周期價值 047
2.4　本章小結 051
?第3章　報錶：數據管理模闆 052
3.1　個性化數據管理報告—Excel 054
3.1.1　創建報告的準備工作 054
3.1.2　報告自動化步驟 055
3.1.3　從數據源錶到數據轉化錶 056
3.1.4　報告正文展示 062
3.1.5　自動化報錶腳本 064
3.2　搭建數據分析報告模闆—PPT 066
3.2.1　業務指標梳理（搭建運營監控指標體係） 067
3.2.2　分析思路與框架 078
3.2.3　圖錶展現 079
3.2.4　數據與結論 080
3.2.5　報告布局與排版 081
3.2.6　PPT隨Excel模闆自動更新 084
3.3　本章小結 085
應　用　篇
?第4章　理論：數據分析方法 088
4.1　數據分析理論模型 088
4.1.1　4P營銷理論 089
4.1.2　5W2H分析法 090
4.1.3　PEST分析方法 092
4.1.4　SWOT 093
4.1.5　邏輯樹 095
4.2　數據分析方法與運用場景 095
4.2.1　多維分析 095
4.2.2　趨勢分析 097
4.2.3　綜閤評價法 101
4.2.4　轉化分析 103
4.2.5　數據挖掘方法 106
4.3　可視化：常用圖錶的特點及適用場閤 106
4.3.1　環形圖 107
4.3.2　矩陣圖 108
4.3.3　組閤圖 112
4.3.4　文字雲 118
4.4　AB Test的原理與實現 125
4.4.1　AB Test的原理 126
4.4.2　AB Test的埋點與報錶部署 128
4.4.3　AB Test的分析方法 129
4.4.4　AB Test的常見誤區 132
4.5　埋點策略與實現 134
4.5.1　utm來源埋點 135
4.5.2　頁麵PV埋點 137
4.5.3　單擊埋點native 139
4.5.4　單擊埋點hybrid 141
4.5.5　業務埋點 142
4.5.6　曝光埋點 144
4.5.7　埋點常見問題 145
4.6　本章小結 146
?第5章　案例：競品數據對標分析 148
5.1　網絡爬蟲基礎知識 148
5.1.1　開發環境準備 149
5.1.2　Web前端基礎 149
5.1.3　解析網頁 152
5.1.4　數據存儲 159
5.2　網站結構分析 166
5.3　Scrapy爬蟲架構 168
5.3.1　items模塊 170
5.3.2　pipelines模塊 171
5.3.3　settings模塊 172
5.3.4　爬蟲模塊 173
5.4　數據爬取與解析 174
5.5　項目優化與改進 177
5.5.1　爬蟲腳本部署在服務器端 178
5.5.2　分布式爬蟲的實現 178
5.6　反爬手段及應對機製 179
5.6.1　禁止IP請求 180
5.6.2　禁止非瀏覽器訪問 180
5.6.3　ajax加載目標數據 181
5.6.4　需要登錄後纔能訪問 182
5.6.5　手機App頁麵數據抓取 182
5.7　本章小結 184
?第6章　案例：某互聯網醫療産品用戶特徵分析 185
6.1　應用背景與分析維度 185
6.2　基於用戶細分的行為分析 186
6.3　用戶來源渠道分析 190
6.4　基於前端展示的用戶行為分析 191
6.5　産品改進與運營建議 195
6.6　本章小結 195
?第7章　案例：RFM用戶價值模型應用 196
7.1　應用背景與目標 196
7.2　基於規則的劃分 198
7.3　基於聚類方法的劃分 203
7.4　本章小結 209
?第8章　案例：用戶流失分析與預測 210
8.1　應用背景與目標 210
8.2　問題分析與模型構建 211
8.3　數據處理與結果 212
8.3.1　確定用戶流失周期 212
8.3.2　抽取訓練數據建立決策樹模型 214
8.3.3　綫上部署腳本定期監測流失用戶 221
8.3.4　流失用戶分析 224
8.4　問題定位與解決方案 226
8.5　本章小結 229
?第9章　案例：站內文章自動分類打標簽 230
9.1　應用背景與目標 230
9.2　問題分析與模型構建 231
9.3　案例中主要應用的技術 232
9.3.1　數據預處理 232
9.3.2　TF-IDF詞空間嚮量轉換 233
9.3.3　文章關鍵詞提取 234
9.3.4　樸素貝葉斯分類 235
9.4　數據處理與模型檢驗 235
9.4.1　文本分詞處理（數據分類與數據預處理） 236
9.4.2　數據結構處理 238
9.4.3　計算文本的TF-IDF權重矩陣 240
9.4.4　用樸素貝葉斯方法分類文章 242
9.5　本章小結 245
提　高　篇
?第10章　應用：用戶畫像建模 248
10.1　用戶畫像簡介 248
10.1.1　什麼是用戶畫像 249
10.1.2　用戶畫像模型及應用場景 250
10.1.3　數倉架構及項目流程 254
10.2　用戶畫像管理 257
10.2.1　模塊化開發 257
10.2.2　存儲方式 259
10.2.3　更新機製 259
10.3　業務背景 262
10.3.1　案例背景介紹 262
10.3.2　數據倉庫相關錶介紹 262
10.4　用戶畫像建模 267
10.4.1　業務需求梳理 267
10.4.2　用戶標簽體係及開發內容 268
10.4.3　用戶畫像開發流程 274
10.4.4　時間衰減係數 279
10.4.5　標簽權重配置 280
10.5　用戶畫像數據開發 282
10.5.1　建立用戶屬性畫像 283
10.5.2　建立用戶行為畫像 289
10.5.3　建立用戶偏好畫像 303
10.5.4　建立群體用戶畫像 308
10.5.5　畫像效果驗收 313
10.5.6　畫像數據質量管理 314
10.6　用戶畫像應用方式 317
10.6.1　業務精細化運營 317
10.6.2　數據分析 319
10.6.3　精準營銷 319
10.6.4　用戶個性化推薦 322
10.7　本章小結 323
· · · · · · (收起)